ارزیابی عملکرد آشکارسازهای عوارض موضعی در حضور نویز، به‌منظور تناظریابی تصاویر چندسنجنده ای سنجش‌از‌دوری

تناظریابی خودکار، کارآ، دقیق و پایدار تصاویر یکی از مسائل اساسی در حوزه های سنجش ازدور، فتوگرامتری و بینایی ماشین است. در دهه های گذشته، الگوریتم های متنوعی مبتنی بر چارچوب تناظریابی عارضه مبنا ارائه شده است که هسته اصلی آنها را تشخیص و توصیف عوارض موضعی تشکیل می‌دهد. شناخت خصوصیات الگوریتم‌های مختلف تناظریابی در کاربردهای گوناگون یک ضرورت اساسی بوده و تاثیر زیادی در انتخاب صحیح یک الگوریتم مناسب در یک کاربرد مشخص خواهد داشت. مطالعات متعددی در خصوص ارزیابی و مقایسه بسیاری از الگوریتم های تناظریابی در کاربردهای گوناگون انجام گرفته است. با این وجود تحقیقات انجام گرفته در خصوص ارزیابی عملکرد الگوریتم‌های مختلف تناظریابی در تصاویر چندسنسوری خصوصا تصاویر راداری و نوری بسیار محدود است. در اینتحقیق عملکرد مجموعه ای از آشکارسازهای شاخص و متداول عوارض موضعی در تناظریابی تصاویر چندسنسوری نوری و راداری مورد ارزیابیقرار گرفته است. به منظور استخراج عوارض پایدار و با توزیع یکنواخت در این الگوریتم ها از روش شایستگی یکنواخت استفاده خواهد شد. علاوه بر این به منظور توصیف عوارض از نسخه مستقل از مقیاس توصیفگر جدید هیستوگرام خودشباهتی محلی جهتی (hoss ) بهره گیری شده است. نتایج حاکی از برتری آشکارساز کازه مبتنی بر شایستگی یکنواخت (uc-kaze ) در حضور سطوح متوالی نویز و سایر اختلافات هندسی و رادیومتریکی است.

performance evaluation of local detectors in the presence of noise for multi-sensor remote sensing image matching

automatic, efficient, accurate, and stable image matching is one of the most critical issues in remote sensing, photogrammetry, and machine vision. in recent decades, various algorithms have been proposed based on the featurebased framework, which concentrates on detecting and describing local features. understanding the characteristics of different matching algorithms in various applications increases the potential of successful matching in a given application. numerous studies have evaluated and analyzed many of these algorithms in various applications. however, performance evaluation of image matching methods in multisensor images, especially opticalradar and noisy images, is limited. this research will evaluate the performance of the stateoftheart detectors, including surf, kaze, sift, pc, fast, and harris detectors for multisensor image matching. moreover, we integrated the employed detectors with the uniform competency algorithm to identify the most reliable features with uniform distribution. next, we employed a scaleinvariant version of the hoss descriptor to describe extracted features. the results show the superiority of the kaze detector in the presence of noise and various geometric and radiometric distortions.